Phil Schmid（前 Hugging Face）在 2026 年初寫了 The Importance of Agent Harness in 2026，開頭就丟出一句判斷：如果 2025 年是 agent 的元年，2026 年就是 agent harness 的元年。
這篇不長，但概念密度很高。以下是拆解。
一個比喻搞懂 Harness 的定位
Phil 用了一個很直覺的電腦比喻：
| 電腦 | AI Agent 系統 |
|---|---|
| CPU | Model — 提供原始運算能力 |
| 作業系統 | Agent Harness — 管理 context、處理啟動流程、提供標準驅動（工具處理） |
| 應用程式 | Agent — 跑在 OS 上的具體使用邏輯 |
這個比喻的重點是：harness 不是 agent 本身，也不是 framework。 它在 framework 之上、agent 之下。
Framework（如 LangChain、Claude Agent SDK）提供的是積木——工具整合、agentic loop 的實作。Harness 提供的是更高層的東西：prompt 預設、工具呼叫的 opinionated handling、lifecycle hooks、planning 能力、子 agent 管理。
簡單說：framework 給你零件，harness 給你一台組裝好的機器。
The Bitter Lesson：不要過度工程
Phil 提出一個嚴厲的警告：
2024 年需要複雜 hand-coded pipeline 才能做到的事，2026 年一個 context window prompt 就搞定了。
這意味著什麼？你今天寫的 harness 邏輯，明天可能因為模型升級而過時。
所以 harness 的設計必須允許你隨時拆掉「聰明」的部分。如果你過度工程化了控制流，下一次模型更新就會打破你的系統——不是因為模型變差了，而是因為你的 workaround 變成了障礙。
這跟 Anthropic 的觀察完全一致：從 Sonnet 4.5 升級到 Opus 4.5 後，context reset 機制直接拿掉，因為模型自己解決了 context anxiety。
Benchmarks 的盲區
Phil 指出現有 benchmarks 有一個致命盲區：它們幾乎不測試模型在第 50 或第 100 次工具呼叫之後的表現。
一個模型可能在一兩次嘗試內解開難題，但連續跑一個小時後就開始忽略初始指令。這種「持久度」問題，標準 benchmark 完全測不到。
這就是為什麼 harness 不只是執行環境，也是驗證環境——它讓你能測試模型在你的真實場景下，長時間運行後的實際表現，而不是靠 benchmark 的數字猜測。
Context Durability 與 Model Drift
Phil 提出了兩個前瞻性的概念：
Context Durability（Context 耐久性）
隨著 agent 運行時間越長，context 的品質會逐漸退化——不是 context window 不夠大，而是累積的資訊開始干擾決策。Harness 需要主動管理 context 的「健康度」，而不只是被動地往裡面塞東西。
Model Drift（模型漂移）
當模型在第 100 步之後開始偏離初始指令，這就是 model drift。Phil 認為 harness 會成為偵測 drift 的主要工具——它可以在每個階段檢查模型是否還在遵循原始意圖，這些偵測數據甚至可以回饋到訓練流程。
現在有哪些 Harness？
Phil 直說了：通用型 harness 目前還很少。
- Claude Code 是目前最典型的例子——它不只是一個 CLI，而是一個完整的 agent harness，包含 prompt 管理、工具編排、lifecycle hooks、子 agent 管理
- Claude Agent SDK 和 LangChain DeepAgents 正在嘗試標準化
- 所有 coding CLI（Cursor、Windsurf 等）本質上都是特定領域的 agent harness
但真正的通用 harness 標準還沒出現。
整體來說
Phil 這篇的核心訊息用一句話總結：
Intelligence without infrastructure is just a demo.
模型能力是必要條件，但不是充分條件。2026 年 AI 工程的競爭不在誰用的模型更好（前沿模型的能力正在趨近），而在誰的 harness 設計得更好——誰能讓同一個模型跑得更穩、更久、更可靠。
延伸閱讀
- Anthropic 的 Harness Design：讓 AI Agent 像工程師一樣工作 — Anthropic 的實戰案例
- 從 Prompt 到 Harness：AI 工程的三次演化 — 三個階段的完整脈絡
- Google 的八種 Multi-Agent 設計模式 — 設計模式分類
- AI Agent 的三個核心支柱：Context、Cognition、Action — Agent 架構理論框架
- The Importance of Agent Harness in 2026 — Phil Schmid 原文
參考資料
- The Importance of Agent Harness in 2026 — Phil Schmid 原文，CPU/OS/App 比喻與 model drift 概念完整論述
- Building Effective Agents — Anthropic 的 agent 設計哲學，文中提到的「簡單優先」原則出處
- Effective Harnesses for Long-Running Agents — Anthropic 實戰驗證 harness 設計對模型表現的影響
- Claude Code Overview — Claude Code 官方文件，文中提及的 harness 典型案例
- Model Context Protocol Introduction — MCP 協議，harness 標準化工具管理的基礎
- LangGraph GitHub Repository — LangChain DeepAgents 的底層引擎，Phil 提及的 harness 標準化嘗試之一
- A Survey on Large Language Model based Autonomous Agents — arXiv 論文，LLM agent 架構與長任務可靠性的學術背景